JAVA图像处理系列（四）——噪声 JAVA图像处理系列（四）——噪

图像噪声是指存在于图像数据中的不必要的或多余的干扰信息。为图像添加噪声，常见有以下几种方法：
（1）高斯噪声
（2）脉冲噪声
（3）泊松噪声
高斯噪声 【JAVA图像处理系列（四）——噪声】高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。高斯分布，也称正态分布，又称常态分布，记为N（μ，σ2），其中μ，σ2为分布的参数，分别为高斯分布的期望和方差。当有确定值时，p(x)也就确定了，特别当μ=0，σ^2=1时，X的分布为标准正态分布。
给图像添加告诉高斯噪声的代码如下：

import java.awt.image.BufferedImage; import java.util.Random; public class GaussianNoise { private Random rand = new Random(System.currentTimeMillis()); private int generateNoise(int color) { double alpha, beta, sigma, value; alpha = rand.nextDouble(); if (alpha == 0.0) alpha = 1.0; double SigmaGaussian = 4.0; double TauGaussian = 20.0; double tau; beta = rand.nextDouble(); sigma = Math.sqrt(-2.0 * Math.log(alpha)) * Math.cos(2.0 * Math.PI * beta); tau = Math.sqrt(-2.0 * Math.log(alpha)) * Math.sin(2.0 * Math.PI * beta); value = https://www.it610.com/article/(double) color + Math.sqrt((double) color) * SigmaGaussian * sigma + TauGaussian * tau; if (value < 0.0) return 0; if (value> 255) return (int) 255; return (int) (value + 0.5); }public BufferedImage addNoiseImage(BufferedImage image) { BufferedImage bimg = new BufferedImage(image.getWidth(),image.getHeight(),BufferedImage.TYPE_INT_RGB); Pixel pixel = new Pixel(); for (int y = 0; y < image.getHeight(); y++) { for (int x = 0; x < image.getWidth(); x++) { pixel.setRGB(image.getRGB(x, y)); pixel.red = generateNoise(pixel.red); pixel.green = generateNoise(pixel.green); pixel.blue = generateNoise(pixel.blue); bimg.setRGB(x, y, pixel.getRGB()); } }return bimg; } }

可以通过改变SigmaGaussian，TauGaussian的值，改变噪声的分布。
脉冲噪声脉冲噪声（pulse noise）在通信中出现的离散型噪声的统称。它由时间上无规则出现的突发性干扰组成。脉冲噪声（impulsive noise）是非连续的，由持续时间短和幅度大的不规则脉冲或噪声尖峰组成。
给图像添加告诉脉冲噪声的代码如下：

import java.awt.image.BufferedImage; import java.util.Random; public class ImpulseNoise { private Random rand = new Random(System.currentTimeMillis()); private int generateNoise(int color) { double alpha, value; alpha = rand.nextDouble(); if (alpha == 0.0) alpha = 1.0; double SigmaImpulse = 0.1; if (alpha < (SigmaImpulse / 2.0)) { value = https://www.it610.com/article/0; } else if (alpha>= (1.0 - (SigmaImpulse / 2.0))) { value = https://www.it610.com/article/255; } else { value = color; }if (value < 0.0) return 0; if (value> 255) return (int) 255; return (int) (value + 0.5); }public BufferedImage addNoiseImage(BufferedImage image) { BufferedImage bimg = new BufferedImage(image.getWidth(),image.getHeight(),BufferedImage.TYPE_INT_RGB); Pixel pixel = new Pixel(); for (int y = 0; y < image.getHeight(); y++) { for (int x = 0; x < image.getWidth(); x++) { pixel.setRGB(image.getRGB(x, y)); pixel.red = generateNoise(pixel.red); pixel.green = generateNoise(pixel.green); pixel.blue = generateNoise(pixel.blue); bimg.setRGB(x, y, pixel.getRGB()); } }return bimg; } }

可以通过调整SigmaImpulse的值改变噪声分布
泊松噪声泊松噪声，就是噪声分布符合泊松分布模型
泊松分布的概率函数为：

泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生次数。泊松分布适合于描述单位时间内随机事件发生的次数。
泊松分布的期望和方差均为

特征函数为

给图像添加泊松噪声代码如下：

import java.awt.image.BufferedImage; import java.util.Random; public class PoissonNoise { private Random rand = new Random(System.currentTimeMillis()); private int generateNoise(int color) { double alpha, beta, value; alpha = rand.nextDouble(); if (alpha == 0.0) alpha = 1.0; double SigmaPoisson = 0.05; int i = 0; for (i = 0; alpha > Math.exp(-SigmaPoisson * color); i++) { beta = rand.nextDouble(); alpha = alpha * beta; } value = https://www.it610.com/article/i / SigmaPoisson; if (value < 0.0) return 0; if (value> 255) return (int) 255; return (int) (value + 0.5); }public BufferedImage addNoiseImage(BufferedImage image) { BufferedImage bimg = new BufferedImage(image.getWidth(),image.getHeight(),BufferedImage.TYPE_INT_RGB); Pixel pixel = new Pixel(); for (int y = 0; y < image.getHeight(); y++) { for (int x = 0; x < image.getWidth(); x++) { pixel.setRGB(image.getRGB(x, y)); pixel.red = generateNoise(pixel.red); pixel.green = generateNoise(pixel.green); pixel.blue = generateNoise(pixel.blue); bimg.setRGB(x, y, pixel.getRGB()); } }return bimg; } }

可以通过改变SigmaPoisson的值，改变造成分布。
辅助类Pixel实现辅助类Pixel代码实现如下：

import java.awt.image.*; public class Pixel { public int red; public int green; public int blue; public int alpha=0xFF; public double hue; public double saturation; public double luminosity; private int rgb; public Pixel() { }public void setRGB(int rgb) { red = (rgb & 0x00FF0000) / 0x00010000; green = (rgb & 0x0000FF00) / 0x00000100; blue = rgb & 0x000000FF; alpha = (rgb >> 24)&0x0ff; this.rgb = rgb; }public int getRGB() { rgb =alpha<<24 | 0x00010000 * red | 0x00000100 * green | blue; return this.rgb; }public static void setRgb(BufferedImage image, int x, int y, int red, int green, int blue) { int rgb = 0xFF000000 | red * 0x00010000 | green * 0x00000100 | blue; image.setRGB(x, y, rgb); }public static int pixelIntensity(int rgb) { int red = (rgb&0x00FF0000)/0x00010000; int green = (rgb&0x0000FF00)/0x00000100; int blue = rgb&0x000000FF; return (int) (0.299 * red + 0.587 * green + 0.114 * blue + 0.5); } }

测试及效果使用以下代码进行测试：

public class ImageEffectTest{ public static void main(String[] argv) throws IOException { BufferedImage img = read(new File("girl.jpg")); GaussianNoise gauss = new GaussianNoise(); ImpulseNoise impulse = new ImpulseNoise(); PoissonNoise poisson = new PoissonNoise(); BufferedImage img2 = gauss.addNoiseImage(img); ImageIO.write(img2, "jpeg", new File("noise-girl-gaussian.jpg")); img2 = impulse.addNoiseImage(img); ImageIO.write(img2, "jpeg", new File("noise-girl-impulse.jpg")); img2 = poisson.addNoiseImage(img); ImageIO.write(img2, "jpeg", new File("noise-girl-poisson.jpg")); } }

产生的图像效果如下：（第一张为原图，第二张为高斯噪声效果，第三张为脉冲噪声效果，第四张为泊松噪声效果）